.png){kind=icon}
返回
A multi-stage bidirectional sampling competitive swarm optimization algorithm for solving large-scale multi-objective optimization problem
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.131798.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在许多科学和工程领域中，涉及高维决策空间的大规模多目标优化问题（LSMOPs）已变得越来越普遍。构建大规模多目标进化算法（LSMOEAs）的核心难点在于，在仅有限计算预算的情况下，如何高效地将搜索引导至解空间中的有前景区域。为解决此问题，本文提出MSBSCSO，一种配备多阶段双向采样方案的新型竞争群优化器。MSBSCSO通过一种新颖的多阶段策略和双向胜者-败者采样搜索来增强探索与开发能力。包含逆向模型和沿四个方向搜索并由存档引导胜者粒子的中值导向采样，以及包含模糊采样（八个方向）和逆向模型采样用于败者粒子的双向采样方法，应用于第一阶段的粒子更新策略。此外，第二阶段提出了一种新颖的败者粒子更新策略。为验证MSBSCSO在解决LSMOPs中的性能，选择五种当前最先进LSMOEAs作为对比算法。实验结果表明，在包含1000、3000、5000、10000个决策变量的LSMOPs基准测试中，MSBSCSO优于所比较的算法。
Keyword:
large-scale multi-objective optimization
competitive swarm optimizer
multi-stage bidirectional sampling
evolutionary algorithms
solution space exploration
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
.png){kind=icon}
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏Solving Large-Scale Multiobjective Optimization Problems With Sparse Optimal Solutions via Unsupervised Neural Networks基于无监督神经网络求解具有稀疏最优解的大规模多目标优化问题OAAI
OAAI分享收藏A fast sampling based evolutionary algorithm for million-dimensional multiobjective optimization一种基于快速抽样的百万维多目标优化进化算法
PREAI
分享收藏
查看更多内容